Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Electronic Journal of Graph Theory and Applications (EJGTA) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) eProceedings of Engineering
Rian Febrian Umbara
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 1   2   3   4   5 
Penentuan Harga Opsi Multi Aset Tipe Eropa Melalui Model Multidimensional Black-Scholes Muhammad Saddam Salsabillah; Irma Palupi; Rian Febrian Umbara
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Opsi multiaset merupakan suatu kontrak atau perjanjian antara dua pihak, dimana pihak pertama adalah sebagai pembeli yang memiliki hak bukan kewajiban untuk membeli atau menjual dari pihak kedua yaitu penjual terhadap beberapa aset tertentu pada harga dan waktu yang telah ditetapkan. Melihat permasalahan tersebut, berdasarkan waktu pelaksanaanya dalam penentuan nilai opsi tipe Eropa yang nilainya bergantung pada pada multiaset akan menggunakan modifikasi model Black-Scholes untuk lebih dari satu underlying aset. Pengambilan data pada penelitian ini berasal dari yahoofinance.com, dimana data saham yang diambil yaitu Microsoft Co. (MSFT) dan Coca-Cola Co. (KO). Pada penelitian ini, digunakan metode finite difference skema implisit untuk menyelesaikan persamaan diferensial model Black-scholes untuk opsi lebih dari satu underlying aset. Pada penelitian ini, multiaset yang digunakan hanya dibatasi oleh dua aset. Dalam penilitian ini, dilakukan skenario pengujian nilai opsi yang di dapat berdasarkan perhitungan komputasi dibandingkan dengan nilai opsi pasar (market) dari masing-masing saham tersebut. Nantinya harga opsi yang di dapat akan mendekati harga opsi pasar (market). Pada penilitian ini juga dilakukan pengujian terhadap single aset sebagai perbandingan nilai opsi yang dihasilkan p opsi multiaset. Berdasarkan hasil penelitian yang telah dilakukan, hasil perhitungan opsi yang nilainya multiaset dapat diterapkan setelah menggunakan metode finite difference skema implisit untuk menyelesaikan persamaan diferensial modifikasi Black-Scholes untuk opsi lebih dari satu underlying aset.  
Perhitungan Value-At-Risk Untuk Portofolio Saham Dengan Metode Varian - Kovarian Dan Simulasi Monte Carlo Firdaus Maringga; Rian Febrian Umbara; Irma Palupi
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Value-at-Risk (VaR) merupakan alat ukur untuk menghitung nilai kerugian maksimal portofolio investasi dengan diberikan selang waktu dan selang kepercayaan tertentu. Terdapat tiga metode dalam perhitungan VaR: simulasi historis, Varian - Kovarian, dan simulasi Monte Carlo. Penelitian yang dilakukan pada penelitian ini adalah menghitung VaR pada portofolio indeks saham LQ45 pada bulan Agustus 2013 sampai Januari 2014. Metode yang digunakan adalah Varian - Kovarian dan simulasi Monte Carlo dengan selang kepercayaan 80%, 90%, 95% dan 99%. Perhitungan Varian - Kovarian lebih cepat dibandingkan dengan simulasi Monte Carlo. Waktu perhitungan VaR dengan metode Varian - Kovarian 3.219 s sedangkan waktu simulasi Monte Carlo tergantung pada jumlah perulangan, semakin besar nilai n akan menghasilkan waktu perhitungan yang lama. Nilai eror yang didapat pada simulasi Monte Carlo lebih baik dibandingan Varian - Kovarian. Pada perhitungan MAD untuk metode Varian - Kovarian dengan selang kepercayaan 80% adalah 0,0200959 sedangkan MAD pada simulasi Monte Carlo adalah 0,0208848. Uji coba pada ANOVA one way menunjukkan adanya perbedaan signifikan pada nilai VaR.Hasil perhitungan VaR digunakan pemangku portofolio untuk mengambil keputusan terhadap portofolio yang dikelola.  
Perbandingan Peramalan Indeks Harga Saham Gabungan Menggunakan Support Vector Machines Dan Jaringan Saraf Tiruan Karina Priscilia; Rian Febrian Umbara; Jondri Jondri
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Support vector machines merupakan sebuah alat prediksi klasifikasi dan regresi yang menggunakan teori pembelajaran mesin (machine learning) untuk meningkatkan akurasi prediksi dan sekaligus menghindari data yang over-fit. Jaringan saraf tiruan adalah suatu teknologi komputasi yang berbasis pada model saraf biologis, model ini membantu mensimulasikan tingkah laku dan kerja model saraf terhadap berbagai macam masukan. Penelitian ini menggunakan metode support vector machines dan jaringan saraf tiruan untuk peramalan pergerakan Indeks Harga Saham Gabungan. Kedua metode ini akan dibandingkan melalui nilai akurasi, waktu komputasi dan kompleksitas algoritma. Hasil perhitungan 10 indikator dijadikan input pada sistem. Pada penelitian ini diperoleh hasil, yaitu dengan menggunakan metode jaringan saraf tiruan didapatkan akurasi testing sebesar 68,26% dan total waktu komputasi sebesar 9,068 seconds, sedangkan menggunakan metode support vector machines didapatkan akurasi sebesar 56,57% dan total waktu komputasi sebesar 27,666 seconds. Waktu asimptotik metode JST adalah 𝑶 (𝒏𝟐)dan waktu asimptotik metode SVM adalah 𝑶 (𝒏𝟑). Percobaan ini menunjukkan metode jaringan saraf tiruan lebih baik dibandingkan support vector machines dalam meramalkan pergerakan Indeks Harga Saham Gabungan, selain itu metode JST memiliki kompleksitas waktu asimptotik yang lebih cepat, hal ini menunjukkan bahwa algoritma JST lebih efisien.
Implementasi Prediksi Kedalaman Laut Berdasarkan Citra Satelit Menggunakan Support Vector Regression Putri Haryati Rizki; Jondri Jondri; Rian Febrian Umbara
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penginderaan jauh adalah sebuah metode untuk memperoleh informasi tentang obyek, daerah, atau gejala dengan menganalisis data yang diperoleh tanpa kontak langsung terhadap obyek, daerah, atau gejala yang dikaji. Bathymetry merupakan salah satu bagian dari penginderaan jauh, yaitu ilmu yang mempelajari kedalaman dibawah air atau disebut juga topografi dasar laut. Dalam penelitian ini, akan dilakukan sebuah implementasi prediksi kedalaman laut menggunakan menggunakan Support Vector Regression. Untuk mendapatkan model prediksi, pertama dilakukan pemrosesan awal citra satelit dan data kedalaman dengan menggunakan aplikasi sistem informasi geografis, yaitu ArcGIS. Dari proses tersebut akan dihasilkan data komponen warna Red, Green, dan Blue beserta data kedalaman pada tiap pikselnya yang akan berguna untuk proses selanjutnya. Proses berikutnya adalah melakukan learning dengan metode Support Vector Regression (SVR) dengan fungsi kernel gaussian radial basis function (RBF). Hasil prediksi yang dihasilkan dari metode ini sudah cukup baik, dibuktikan dari presentase MAPE sebesar 0,176067252 dengan nilai C = 50, ɛ = 0,0001, serta kernel = 5.
Prediksi Kandungan Batubara Pada Daerah Disekitar Tambang Batubara Menggunakan Metode Universal Kriging Muhammad Gentur WitjaksonoKurniawan; Sri Suryani; Rian Febrian Umbara
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu permasalahan dalam dunia pertambangan adalah pengestimasian kadar bahan tambang pada suatu daerah. Permasalahan tersebut berkaitan erat dengan metode yang digunakan dalam pengestimasian kadar bahan tambang agar mendapatkan hasil yang akurat. Salah satu metode yang digunakan untuk pengestimasian bahan tambang yaitu Kriging. Metode Kriging terdiri dari berbagai macam seperti Ordinary Kriging, Simple Kriging. Ordinary dan Simple Kriging hanya dapat digunakan pada jenis data yang stasioner. Namun untuk data yang non-stasioner atau mengandung trend / drift, penaksiran dilakukan menggunakan metode Universal Kriging. Pada penelitian kali ini digunakan metode Universal Kriging untuk menaksir kadar batu bara di Kabupaten Kutai Kartanegara. Tahap yang dilakukan adalah menghitung semivariogram eksperimental, semivariogram teoritis, validasi model dan estimasi menggunakan Universal Kriging. Model semivariogram teoritis terbaik yaitu model eksponensial dengan nilai parameter nugget effect : 0, sill : 3.6 dan range : 20. Estimasi dilakukan dengan membagi daerah menjadi kotak-kotak atau grid kemudian dicari titik center sebagai titik taksiran. Taksiran terbaik diperoleh dengan nilai grid : 0.77 yang menghasilkan variansi : 0.0497053 dan nilai MAPE : 13.34371257%. Berdasarkan percobaan yang dilakukan diperoleh informasi bahwa semakin kecil ukuran grid, tingkat penyebaran semakin tinggi karena semakin rapat yang menyebabkan semakin banyak titik yang diestimasi.
Implementasi Dan Analisis Prediksi Kedalaman Laut Berdasarkan Citra Satelit Menggunakan Artificial Neural Network Nurseno Bayu Aji; Jondri Jondri; Rian Febrian Umbara
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi informasi berkembang dengan pesat dari waktu ke waktu. Dengan perkembangan teknologi tersebut menjadikan manusia terus berkreasi untuk menciptakan teknologi baru untuk mempermudah orang dalam mengakses informasi yang diinginkan dengan cepat. Salah satu teknologi yang bisa diangkat adalah tentang penginderaan jauh dalam bidang pengukuran kedalaman laut atau bathymetry. Dengan citra satelit akan didapatkan suatu informasi yang dapat digunakan sebagai acuan untuk dijadikan variabel yang akan digunakan dalam menentukan kedalaman laut. Tujuan dari penelitian ini adalah untuk merancang parameter-parameter ANN dan menganalisis kinerja sistem dalam prediksi kedalaman laut menggunakan ANN. Untuk pembentukan sistem, data diambil dari 2 tempat yang berbeda, untuk data citra sendiri diambil dari google map dan untuk data kedalaman diambil dari Hawaii University. Dalam penelitian ini data yang ada akan diolah dalam 2 tahapan yaitu preprocessing citra masukan dan prediksi kedalaman laut. Skenario yang dilakukan adalah mencari kinerja sistem yang terbaik dari parameter-parameter ANN yang dipakai. Namun terlebih dahulu data citra digabungkan dengan data kedalaman sehingga data dapat digunakan untuk melatih model ANN. Dari sekian banyak skenario didapatkan skenario terbaik pada hidden layer ada 3 dengan neuron [ 20 15 25 ], epoch 2000 dan learning rate 0,001.
Implementasi Model Binomial Untuk Penentuan Harga Wajar Opsi Saham Karyawan I Wayan Ade Sugisnawan Dandysmara; Rian Febrian Umbara; Irma Palupi
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Topik yang dibahas dalam paper ini adalah pencarian nilai wajar opsi saham karyawan(OSK). OSK adalah opsi beli terhadap saham perusahan sebagai bonus yang diberikan oleh perusahaan kepada karyawannya. OSK memiliki waktu tunggu atau vesting period. Karyawan pemegang opsi tidak bisa melaksanakan opsi mereka di dalam selang waktu tunggu. Dalam penentuan nilai OSK, digunakan model binomial. Hasil Implementasi dari model binomial adalah didapatkannya nilai batas exercise setelah waktu tunggu sebagai pertimbangan pemegang opsi untuk melaksanakan opsinya. Nilai harga pelaksanaan, dan nilai rasio jabatan akan selalu berbanding lurus dengan nilai batas exercise sebagai penentu nilai wajar OSK di setiap waktu. Semakin besar nilai harga pelaksanaan, dan nilai rasio jabatan maka nilai batas exercise semakin besar. Nilai suku bunga, dan nilai volatilitas yang semakin besar menyebabkan nilai OSK semakin besar. Sedangkan nilai tingkat keluar karyawan, nilai dividend yield, dan harga pelaksanaan yang semakin besar menyebabkan nilai OSK semakin kecil. Sehingga dapat disimpulkan metode binomial bisa digunakan sebagai penentuan OSK dengan mencari nilai batas exercise di setiap waktu.
Pemodelan Produksi Biogas pada Reaktor Tipe Batch Menggunakan Metode Hamming Predictor-Corrector Ali Assegaf; Rian Febrian Umbara; Isman Kurniawan
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 1 (2019): Maret, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2019.4.1.138

Abstract

Penelitian ini memiliki tujuan untuk membuat sebuah model prediksi hasil produksi biogas pada reaktor tipe batch. Simulasi pencernaan anaerobik akan glukosa sebagai substrat utama dengan konsentrasi awal 500 mgCOD/l, dan simulasi akan dilakukan selama 120 jam. Dalam penelitian ini juga bertujuan untuk mengetahui konsentrasi mikroorganisme yang terlibat dalam proses pencernaan anaerobik, serta akan dilakukan beberapa analisis seperti perbandingan metana yang dihasilkan pada simulasi dan eksperimen, pengaruh jumlah iterasi terhadap waktu yang dibutuhkan untuk melakukan running program, perbandingan jumlah glukosa dan mikroorganisme yang digunakan dalam simulasi terhadap jumlah metana yang akan dihasilkan. Untuk memprediksi jumlah produksi biogas, terdapat sebuah model yang umum digunakan yaitu Anaerobic Digestion Model No 1 (ADM1). ADM1 dikembangkan oleh Asosiasi Water International (IWA) pada tahun 2002. Agar mendapatkan model yang memiliki akurasi yang tinggi akan digunakan sebuah metode numerik yaitu Hamming Predictor-Corrector. Setelah simulasi pencernaan anaerobik dilakukan, metana yang dihasilkan sebesar 417,48 MgCOD/l. Lalu mikroorganisme glukosa mengalami pertumbuhan yang maksimum jika dibandingkan dengan mikroorganisme lain yaitu sebesar 77 MgCOD/l. Konsentrasi awal substrat glukosa dan konsentrasi mikroorganisme yang digunakan pada proses simulasi sangat berpengaruh terhadap jumlah metana yang dihasilkan. Namun untuk konsentrasi awal mikroba yang lebih dari 30 MgCOD/l, cenderung menghasilkan metana yang konstan.
PEMILIHAN PORTOFOLIO SAHAM DENGAN MENGGUNAKAN WEIGHTED FREQUENT ITEMSETS Resi Annisa Nur; Deni Saepudin; Rian Febrian Umbara
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 2 (2018): September, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.2.239

Abstract

Portofolio saham merupakan sekumpulan saham yang dimiliki oleh berbagai  sektor untuk menjadi bukti kepemilikan para investor. Saham tersebut memiliki jumlah proporsi yang berbeda. Tujuan dari Tugas Akhir adalah untuk membuat sebuah portofolio saham dengan memilih itemsets saham yang memenuhi persyaratan, yaitu minimum return dan minimum diversifikasi. Penelitian ini menggunakan pendekatan algoritma data mining yaitu weighted frequent itemsets. Weighted frequent itemsets merupakan teknik pemisahan data saham yang bertujuan untuk menemukan hubungan atau korelasi pada sekumpulan dataset yang akan dipilih. Dataset yang digunakan untuk pemilihan portofolio saham diambil dari Yahoo Fianace (2018), data yang digunakan diambil dari Tanggal 1 Januari 2008 hingga 31 Desember 2017. Pengujian yang dilakukan yaitu dengan menetapkan minimum return 3%, 4%, 5%.  Untuk itemsets saham yang dipilih, terdiri dari banyak saham yang melebihi minimum return dan terdiversifikasi pada sektor-sektor yang berbeda. Dari hasil pengujian yang dilakukan, kinerja portofolio saham yang diperoleh melebihi IHSG (Indeks Harga Saham Gabungan) berdasarkan skenario secara periodik dengan menggunakan data yang diupdate. Kata kunci : diversifikasi, portofolio saham, weighted frequent itemsets.
Prediksi Harga Saham Dengan Metode Fuzzy Time Series Dan Metode Fuzzy Time Series-genetic Algorithm (studi Kasus: Pt Bank Mandiri (persero) Tbk) Felix Octavianus Hasudungan; Rian Febrian Umbara; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Nilai harga saham selalu berubah -ubah dan t idak menent u set iap harinya, maka diperluk an sebuah model unt uk menghasilkan prediksi yang akurat unt uk mendapat kan keunt ungan yang maksimal. P ada t ugas akhir ini akan digunakan met ode Fuzzy Tim e Series danmetodeFuzzyTime Series-Genetic Algorthm unt uk memprediksi harga saham. Met ode Fuzzy Tim e Series akan menghasilkan int erval dengan jarakyangsamadan hasil prediksi nilai harga saham berdasarkan at uran Fuzzy Tim e Series dan Algorit ma Genet ika akan meningkat kan kinerja dengan mencari int erval yang memiliki nilai fit ness yang t erbesar dalam set iap it erasi yang dilakukan unt uk mencari hasil prediksi denganmenggunakanaturan Fuzzy Tim e series. Hasil prediksi yang didapat dengan menggunakan kedua metode t ersebut akan dibandingkan. Hasil dari ujicoba pada t ugas akhir ini menunjukan bahwa prediksi harga saham menggunakan met ode Fuzzy Tim e Series memilikinilaiMAPE sebesar 0.017611 dan nilai MSE sebesar 48249.1993. Sedangkan unt uk hasil prediksi menggunakan met ode FuzzyTimeSeries-GeneticAlgorthm pada skenario 1 memiliki nilai MAPE sebesar 0.0028653 dan nilai MSE sebesar 15.7221, pada skenario 2 memilikinilaiMAPEsebesar0.0028478 dan nilai MSE sebesar 16.3946, dan pada skenario 3 memiliki nilai MAPE sebesar 0.0027542 dan nilai MSE sebesar15.6174.Darihasilpercobaan t ersebut dapat disimpulkan bahwa hasil prediksi menggunakan met ode Fuzzy Tim e Series-Genetic Algorthm memiliki nilaierroryanglebihkecil dibandingkan dengan hasil prediksi menggunakan metode Fuzzy Time Series.
Co-Authors A. Maulana Mukhsin A.N.M. Salman Abdurrahman Muttaqiin Abdurrazaq Naufal Agri Pratomo Alberila Fraida Loceseima Putri Alfian Yudha Iswara Ali Assegaf Almaya Sofariah Andri Saputra Aniq Atiqi Rohmawati Anjar Pratiwi Annisa Aditsania Annisa Resnianty Ardhia Pringgowati Ardhyka Dewantara Arfian Nurdiansyah Astri Asroviana Putri Ayunda Firsty Trisnowati Bambang Eko Supriyadi Bambang Hidayat Barini Harahap Budi Ihsan Daulay Cipta Rahmadayanti Clara Amanda Danang Triantoro Murdiansyah Defy Ayu Dela Tantri Riyandani Deni Saepudin Dika Rizky Nurcholis Erick Anugrah Prihananta Esther Laura Christy Felix Octavianus Hasudungan Fiqi Ruli Setiawan Firdaus Maringga Firdaus Maringga Firdaus Maringga Gege Safet Yanto Raharjo Hafiz Denasputra Harry Susilodharma I Komang Gede Rusmawan I Wayan Ade Sugisnawan Dandysmara I Wayan Ade Sugisnawan Dandysmara Iman Nur Fakhri Indra Utama Sitorus Indwiarti Irma Palupi Isman Kurniawan Izzatul Ummah Jeshurun Eliezer Cussoy Jondri Jondri Karina Priscilia Karina Priscilia Lintong Aldiron Sihombing Lisbeth Evalina Siahaan Lola Yolanda Ruth Herinis Lumbanraja May Rozakhi Takkas Mohammad Adietya Perdana Muhamad Lutfi Chandra Muhammad Faizal Muhammad Farhan Muzakki Muhammad Gentur WitjaksonoKurniawan Muhammad Gentur WitjaksonoKurniawan Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Nathan Sukmawan Nurseno Bayu Aji Nurseno Bayu Aji Patma Oktaviana Pritta Etriana Putri Putri Haryati Rizki Putri Haryati Rizki Rahmi Putri Amalia Resi Annisa Nur Rinaldi Wibiyanto Riski Hamonangan Simanjuntak Riyadi Lazuardi Sirait Rizki Ayudiah Kartika Paramita Rizky Farida Utami Rizky Retno Utami Sheila Nur Fadhila Siti Rahmah Madusari Sri Suryani Sri Suryani Sri Suryani Tedo Hariscandra Tegar Tionanda Putra Triyana Kadarisman Uggi Stivani Savitri Yanuar Ishaq Yuliant Sibaroni